GNSS permanenta stationer realiserar koordinatreferenssystem, d.v.s. deras koordinater anses vara kända och fasta. Därför är det viktigt att GNSS-antennerna är stabila och fria från rörelser. Eventuella rörelser kan bestämmas antingen genom att analysera GNSS-observationerna (tidsserier av koordinater) eller genom att använda andra oberoende observationer, t.ex. lutningsmätare (inklinometer) eller totalstationer. I denna forskning har vi utvärderat följande metoder för stabilitetsövervakning: - deterministisk analys av koordinattidsserien, d.v.s. skattning av linjär trend, periodiska variationer och plötsliga förändringar - analys av tidsserien med hjälp av djupinlärningsnätverk för långtidsminne - inklinometer observationer Vi har tillämpat dessa metoder på tidsserier från 10 GNSS permanenta stationer. Våra resultat visar att analysen av GNSS-koordinaters tidsserier kan detektera trend, variationer och plötsliga förändringar i koordinaterna, men det är svårt att särskilja om de orsakades av faktisk förskjutning av antennen eller av variation av GNSS-felkällorna. Denna distinktion är möjlig endast om vi gör några antaganden om de förväntade förskjutningarna, om förväntade variationer i felkällorna eller om vi använder oberoende observationer. Vi har testat inklinometer genom ett kontrollerat experiment i laboratorium, samt genom att placera dem på tre GNSS-stationer. Våra experiment bekräftade precisionen i inklinometer-observationer som anges av tillverkaren och dess förmåga att detektera även små förskjutningar i realtid. Nyckelord: GNSS, inklinometer, stabilitet övervakning

GNSS permanent stations realise coordinate reference system, i.e. their coordinates are considered as known and fixed. Therefore, it is important that the GNSS antennas are stable free from any displacements. Eventual displacements can be determined either by analysing the GNSS observations (time series of coordinates) or using other independent observations, e.g. inclinometers or total stations. In this research, we have evaluated the following approaches for stability monitoring: - deterministic analysis of the coordinate time series, i.e. estimating linear trend, periodic variations and sudden changes - analysis of the time series using long short-term memory deep learning network - inclinometer observations We have applied these methods on time series from 10 GNSS permanent stations. Our results show that the analysis of the GNSS coordinates time series is able to detect trend, variations and sudden changes in the coordinates, but it is difficult to distinct if they were caused by actual displacement of the antenna or by variation of the GNSS error sources. This distinction is possible only if we make some assumptions about the expected displacements, about expected variations in the error sources or if we use independent observations. We have tested inclinometers by a controlled experiment in laboratory, as well as by placing them on three GNSS stations. Our experiments confirmed the precision of inclinometer observations stated by the manufacturer and its capability of detecting even small displacements in real time. Keywords: GNSS, inclinometer, stability monitoring